第二章 环境搭建（上）：安装STM32CubeMX、X-CUBE-AI扩展包、以及必要的Python环境（TensorFlow/Keras）
好，咱们正式开始动手了。
这一章，说白了就是“搭灶台”。你模型训练得再好，AI算法再牛，要是环境没搭对，代码生成不了，一切都是白搭。我见过太多新手，卡在安装这一步，一卡就是半天，最后跑来问我：“为什么我的STM32CubeMX里找不到AI选项？”——嗯，多半是扩展包没装对。
所以这一章，我带你一步步把环境捋顺。咱们分三块走：STM32CubeMX、X-CUBE-AI扩展包、还有Python的TensorFlow/Keras环境。别急，一个一个来。
2.1 安装STM32CubeMX
STM32CubeMX是ST官方出品的图形化配置工具。你可以把它理解成一个“图形化代码生成器”。你点点鼠标，选好芯片、配好外设，它就能帮你生成初始化代码。咱们做AI部署，也得靠它来生成最终的工程。
安装步骤很简单：
- 去ST官网搜索“STM32CubeMX”，下载安装包。
- 双击运行，一路“Next”。注意安装路径不要有中文。
- 安装完成后，打开软件，它会自动检查更新。建议更新到最新。
嗯，这里有个小坑：有些电脑的杀毒软件会拦截CubeMX的安装进程。如果遇到安装失败，先关掉杀毒软件试试。我曾经在一台公司电脑上装了三次都没成功，最后发现是安全策略给锁了。
2.2 安装X-CUBE-AI扩展包
X-CUBE-AI，这才是咱们这节课的主角。它是ST专门用来把训练好的神经网络模型，转换成可以在STM32上运行的C代码的工具。没有它，你的模型就是个“哑巴”。
安装方式有两种，我分别说一下：
方式一：在CubeMX内在线安装（推荐）
- 打开STM32CubeMX，点击菜单栏的 Help → Manage embedded software packages。
- 在弹出的窗口中，找到 X-CUBE-AI，勾选你需要的版本。
- 点击 Install Now，等待下载完成。
这种方式最省心。但有个前提：你的网络要能访问ST的服务器。如果你在公司内网，或者网络环境不太好，可能会下载失败。我遇到过好几次，下载到一半卡住了，进度条一动不动。这时候别傻等，直接取消，换第二种方式。
方式二：手动下载安装包
- 去ST官网搜索“X-CUBE-AI”，找到下载页面。
- 下载对应的压缩包（通常是 .zip 格式）。
- 在CubeMX中，点击 Help → Manage embedded software packages，然后点击左下角的 From Local 按钮。
- 选择你刚才下载的压缩包，导入即可。
2.3 安装Python环境与TensorFlow/Keras
好了，ST那边的工具搞定了。接下来是咱们的“老本行”——Python环境。你训练模型总得有个地方跑吧？
我个人强烈推荐使用 Anaconda 来管理Python环境。为什么？因为你可以为每个项目创建独立的虚拟环境，互不干扰。你想想看，你同时做两个项目，一个用TensorFlow 2.4，一个用TensorFlow 2.10，如果装在一个环境里，迟早要打架。
2.3.1 安装Anaconda
- 去Anaconda官网下载安装包（选择Python 3.x版本）。
- 安装时，记得勾选 Add Anaconda to my PATH environment variable。这一步很多人会忽略，导致后面在命令行里找不到conda命令。
- 安装完成后，打开命令行（CMD或PowerShell），输入
conda --version，如果能显示版本号，说明安装成功。
2.3.2 创建虚拟环境并安装TensorFlow
接下来，咱们创建一个专门用于AI模型训练的虚拟环境。我习惯给它起名叫 stm32_ai，你也可以随便起。
# 创建虚拟环境，指定Python版本为3.8
conda create -n stm32_ai python=3.8
# 激活环境
conda activate stm32_ai
# 安装TensorFlow（包含Keras）
pip install tensorflow==2.10.0
pip install tensorflow，结果装了个2.15版本。后来发现X-CUBE-AI对TensorFlow 2.10以上的版本支持不太好，模型转换时老是报错。所以，我建议你安装2.10.0版本，这是目前最稳定的搭配。
安装完成后，可以验证一下：
python -c "import tensorflow as tf; print(tf.__version__)"
如果输出了 2.10.0，恭喜你，环境搭好了。
2.3.3 安装其他依赖库
除了TensorFlow，咱们可能还需要一些辅助库。比如处理数据的NumPy、画图的Matplotlib。你可以一次性装好：
pip install numpy matplotlib scikit-learn
嗯，这些不是必须的，但后面做模型训练和验证时会用到。提前装好，省得到时候手忙脚乱。
2.4 验证环境是否打通
环境都装好了，怎么知道它们能不能协同工作？我教你一个简单的验证方法。
- 打开STM32CubeMX，新建一个工程，随便选一个STM32芯片（比如STM32F407VG）。
- 在 Pinout & Configuration 选项卡中，找到 Software Packs，点击 Select Components。
- 如果X-CUBE-AI安装成功，你应该能在列表中看到 X-CUBE-AI 的选项。勾选它。
- 点击 OK，你会看到左侧多了一个 AI 的配置项。
看到这个 AI 配置项，就说明你的环境已经打通了。接下来，咱们就可以开始导入模型、生成代码了。
总结一下这一章的核心：
- STM32CubeMX是基础，必须装最新版。
- X-CUBE-AI是核心，安装方式选在线或本地都行。
- Python环境用Anaconda管理，TensorFlow建议用2.10.0版本。
- 装完后，在CubeMX里看到AI配置项，就算成功了。
好，环境搭建的上半部分就到这里。下一章，咱们会讲怎么用X-CUBE-AI导入一个实际的模型，并生成可以在STM32上跑的代码。到时候，你会真正感受到“从模型到代码”的奇妙过程。